第三天任务：AI 在测试中的多种应用方式
挖掘今天 AI 在测试中实际应用的更深层次
欢迎来到 30 天 AI 测试的第三天！今天，我们将更深入地了解 AI 在测试中的实际应用。你的任务是发现并列举 AI 如何改变我们的测试实践。
任务步骤
- 进行研究，发现有关 AI 在测试中应用的信息。
- 列举你发现的三种或更多不同的 AI 使用方式，并注意你发现的任何有用的工具，以及它们如何增强测试，例如：
- 测试自动化：
- 自愈测试 - AI 工具评估代码库中的更改，并自动更新为新属性，以确保测试稳定 - Katalon、Functionize、Testim、Virtuoso 等。
- 测试自动化：
- 总结并写下在你的情境中哪些 AI 使用方式/特性最有用，以及为什么。
- 点击下方的‘参与’并在回复“俱乐部话题”时发布你的 AI 使用列表和思考。
- 阅读其他人的贡献。随时提问，分享你的想法，或者用❤️表示对有用发现和总结的欣赏。
为什么要参与
- 发现 AI 的新用法：了解 AI 在测试中的使用方式向我们展示了新的技巧和工具，我们可能之前并不了解。这有助于我们发现支持日常测试任务的有用方式。
- 使其适用于你：看看哪些 AI 解决方案适用于你正在处理的问题，有助于选择最合适的工具和解决方案。这就像为你的食谱选择合适的配料一样。
- 分享智慧：当我们分享学到的知识时，我们一起变得更聪明。把这看作一个拼图，每个人都贡献了谜题的一部分。
任务链接
我的第三天
我目前看到的
测试数据生成：通过给 AI 工具提供对应的数据规则，让其帮忙生成包含各种场景的测试数据，对应的一个文章是：[独立思考的测试数据：人工智能驱动的测试数据生成]https://hackernoon.com/test-data-that-thinks-for-itself-ai-powered-test-data-generation
缺陷预测：AI 可以分析我们给出历史数据，预测代码库中更容易出现缺陷的区域或者项目的风险，从而集中精力进行测试。对应的文章是：[人工智能和机器学习如何预测软件缺陷？]https://www.linkedin.com/advice/3/how-can-ai-machine-learning-predict-software-defects-xb9sc
视觉测试：AI 驱动的视觉测试工具（如 Applitools、Percy）可以识别不同浏览器和设备的视觉差异。AI 驱动的测试自动化平台
QA 知识库：通过喂给 AI 我们已有的 QA 知识库信息，训练出我们自己的 AI 知识库机器人，来帮助提升知识传递效率和质量
QA 测试工具开发：由 AI 帮助我们完成测试工具开发
关于活动
30 天 AI 测试挑战活动是 Ministry 测试社区发起的活动，上一次我了解这个社区是关于他们发起的 30 天敏捷测试的活动。
社区官网：https://www.ministryoftesting.com
活动链接：https://www.ministryoftesting.com/events/30-days-of-ai-in-testing
挑战：
推荐阅读
- 使用 Bruno 进行接口自动化测试快速开启教程系列
- 使用 Postman 进行接口自动化测试快速开启教程系列
- 使用 Pytest 进行接口自动化测试快速开启教程系列
- 使用 SuperTest 进行接口自动化测试快速开启教程系列
- 使用 Rest Assured 进行接口自动化测试快速开启教程系列
- 使用 Galting 进行性能测试快速开启教程系列
- 使用 K6 进行性能测试快速开启教程系列
欢迎关注软件测试同学的公众号“软件测试同学”，原创 QA 技术文章第一时间推送。
